Library Automation and Digital Archive
LONTAR
Fakultas Ilmu Komputer
Universitas Indonesia

Pencarian Sederhana

Find Similar Add to Favorite

Call Number KA-1789 (Softcopy KA-1778) MAK KA-1423
Collection Type Karya Akhir (KA)
Title Analisis Sentimen Dan Pemodelan Topik Pada Ulasan Aplikasi Digital KORLANTAS
Author Latifa Zahra Sabrina Sudar;
Publisher Jakarta : Program Studi Magister Teknologi Informasi Fasilkom UI, 2024
Subject Sentiment Analysis
Location FASILKOM-UI;
Lokasi : Perpustakaan Fakultas Ilmu Komputer
Nomor Panggil ID Koleksi Status
KA-1789 (Softcopy KA-1778) MAK KA-1423 Indonesia TERSEDIA
Tidak ada review pada koleksi ini: 54608
ABSTRAK

Tingginya peningkatan penggunaan internet di Indonesia pada tahun 2022 yang mencapai 220 juta telah memicu perubahan pola interaksi masyarakat di berbagai macam sektor. Salah satunya adalah penggunaan platform digital dalam menunjang kegiatan pelayanan publik. Dalam adopsi Sistem Pemerintahan Berbasis Elektronik, pada tahun 2022 Indonesia menempati peringkat 77 dari 193, yang artinya digitalisasi dan transformasi digital di Indonesia cukup tinggi. Salah satu contoh perubahan penggunaan platform digital dalam pelayanan masyarakat adalah diluncurkannya aplikasi Digital Korlantas oleh Korlantas, sebagai platform layanan masyarakat dengan fitur utama sebagai pengajuan perpanjangan surat ijin mengemudi (SIM) secara online. Sayangnya, aplikasi ini mendapatkan rating pada Google Play Store yang terus menurun sejak pertama diluncurkan, disertai dengan berbagai macam ulasan, berupa pujian dan aduan kendala. Maka dari itu, dilakukan analisis terhadap sentimen aplikasi Digital Korlantas dan juga pemodelan topik sebagai deteksi kendala dalam perbaikan aplikasi. Metode yang digunakan adalah analisis klasifikasi dengan menggunakan Bidirectional Encoder Representations from Transformers (BERT) dan beberapa modifikasinya pada data ulasan Google Play Store. Klasifikasi sentimen terbaik didapatkan pada nilai F1-Score sebesar 91% dari algoritma BERT dengan korpus Bert Base Multilingual Cased dan pemodelan topik terbaik diperoleh dari BERTopik dengan hasil 5 topik sentimen negatif, 7 topik sentimen positif, serta 4 topik outlier.

Latest Collection
Favorite